Oct, 2023

用磁性 p 位对量子系统进行机器学习

PDF
TL;DRMoore's Law slowdown necessitates scalable and energy-efficient hardware for AI algorithms, with probabilistic computing and spintronic devices showing promise in designing integrated p-computers for the emerging field of machine learning and quantum physics.
发现论文，激发创造
  • CMOS + 随机纳米磁体：概率推理和学习的异质计算机

    本文提出了一种异构计算器，该计算器将基于随机磁隧道结的概率位（p-bits）与现有的 CMOS 技术相结合，恰当的设计提高了概率计算的能效，提供了比仿真高质量的随机比特。

    Apr, 2023

  • 量子辅助下学习嵌入式概率图模型

    通过嵌入技术添加冗余数据集，可以提高量子模拟器的模型容量，因此，我们的方法可以避免其每次迭代基于推断有效温度的需求，从而加快了学习速度，减轻了参数控制噪声的影响，使其能够验证使用量子计算实现生成模型的可行性，并为这些量子技术在与机器学习相关的任务上进行基准测试提供了适当的框架。

    Sep, 2016

  • 可逆逻辑的随机 p 位

    使用随机单元（如 p 位元）和混合设计实现了可逆的布尔逻辑门和 BM 加法器，同时保持了高度准确性和可逆性。

    Oct, 2016

  • 电压驱动的硬件信念网络组件

    本文描述了一种硬件构建块，用于概率自旋逻辑（PSL）架构，它由嵌入式 MTJ 和电容电压加法器组成，并使用加权 p 位通过电线互连设计和完整解决了一个小规模的 NP 完全问题 —— 子集求和问题。

    Jan, 2018

  • 量子 Hopfield 神经网络

    采用量子算法进行 Hopfield 网络的内容寻址存储，并将其应用于基因序列识别。

    Oct, 2017

  • 用于人工智能应用的热力学计算系统

    近期人工智能算法的突破强调了真正释放人工智能潜力所需的新型计算硬件的需求。本文介绍了第一个连续变量热力学计算机，称为随机处理单元 (SPU)，它由 RLC 电路组成，在一个印刷电路板上，有 8 个单元，通过开关电容进行全对全耦合。我们展示了 SPU 在高斯采样、矩阵求逆等方面的应用，以及在神经网络分类的不确定性量化中的适用性，我们预计当该硬件规模扩大时，将对加速各种概率性人工智能应用产生重大影响。

    Dec, 2023

  • 量子机器学习中的数据力量

    探讨了量子计算在机器学习中的应用和机器学习任务中存在的与传统计算不同之处，提出了一种用于评估量子学习任务潜在优势的方法，并提出了一种通过量子速度提高学习效率的量子机器学习模型。

    Nov, 2020

  • 用深度学习解决 Boltzmann 优化问题

    高性能计算的效率提升趋于尽头，传统的 CMOS 技术面临物理极限，Miniaturization 无法继续进行；以 Ising 模型为基础的计算系统能够接近热力学极限下的能耗，同时兼具逻辑和存储功能，潜在降低 CMOS 计算中昂贵的数据迁移造成的能源成本；本文的贡献是提出一种结合深度神经网络和随机森林的机器学习方法，用于高效解决 Ising 模型中最小化误差的优化问题，并提供一种将 Boltzmann 概率优化问题转化为监督式机器学习问题的过程。

    Jan, 2024

  • 利用概率计算机辅助的均场深度玻尔兹曼学习

    利用概率计算机（p-computer）和意味场理论（Mean-Field Theory）辅助学习算法，该研究提出了用于训练难以处理的波尔兹曼机（Boltzmann Machines）的方法以及在可扩展的伊辛机器（Ising machines）中的应用。

    Jan, 2024

  • 混合量子计算机上的无监督机器学习

    利用量子计算机和贝叶斯优化方法加速解决无监督学习中的聚类问题，并展示出在噪声环境下稳健的表现和经典优化方法的适用性。

    Dec, 2017